全文总字数：751字

1. 研究目的与意义

森林火灾是一种世界性、跨国性的自然灾害，森林火灾的发生不仅烧毁大量的森林资源，破坏了自然环境与生态平衡，而且严重影响人类正常生活，给国家带来巨大的经济损失。

而我国国土辽阔，地形复杂，气候多变，是森林火灾多发国家。

所以，研制出高效、灵敏的森林火灾识别系统是刻不容缓的事情。

2. 国内外研究现状分析

当前，国内外森林火灾识别方法有经验法、实效湿度法、双指标法、综合指标法、灰色拓扑预测法等。

这些方法大多需要建立线性或者指数模型，而森林气候千变万化，森林火灾发生概率与温度等并不成线性关系，采用简单的线性或指数模型并不理想，需要用非线性系统进行建模。

而神经网络具有非线性映射能力，自学习适应能力强，再结合模糊控制鲁棒性强的特点，将模糊控制与神经网络相结合，即可设计出火灾智能识别算法，提高森林火灾识别系统的灵敏度。

3. 研究的基本内容与计划

内容：在森林火灾无线监控系统中，监控中心将接收到监控网络节点的环境数据，如温度、烟雾、co浓度等建立数据库，结合模糊控制和神经网络各自的优点，建立森林火灾识别模型。在此基础上构建火灾自动识别算法，并用matlab进行仿真分析，验证算法的可行性。

计划：①撰写开题报告和文献综述 （ 1- 3 周）

②学习模糊控制相关知识 （4- 5 周）

4. 研究创新点

模糊控制是模仿人类的模糊综合判断推理能力，所研究的对象不需要有精确的数学模型，只要有相关的控制经验，鲁棒性强。

而神经网络类似于人的大脑，自组织、自学习、自适应能力和容错能力强，还有并行分布式处理等特性。

将模糊控制与神经网络相结合，可以使火灾识别系统的实时性、准确性、可靠性提高，很好的解决系统精度与误报率之间的矛盾，提高系统智能化程度。